共查询到10条相似文献,搜索用时 281 毫秒
1.
《中国舰船研究》2018,(6)
[目的]为满足水下搜救、勘探、目标检测与跟踪等需求,[方法]针对研制的"探海I型"自主式水下机器人(AUV),利用其搭载的前视声呐开展目标识别试验,选取获取的运动目标图像中的典型帧进行目标检测和识别研究。阐述"探海I型"AUV的系统组成与工作原理。提出一种控制系统架构:以笔记本电脑配合水面控制箱为水面控制单元;以PC104工控板作为自动驾驶仪的主控单元;同时配备摄像头PC104板卡单独进行摄像头图像处理。采用三帧差分法检测声呐目标,并基于Hough变换的快速椭圆检测算法提取目标特征。[结果]湖上试验表明:研制的AUV运行可靠、正常,可满足水下工作的需求,声呐目标识别效果较好。[结论]该AUV控制系统架构和目标识别方法对于中、大型AUV的研制及视频、红外等其他领域的目标识别具有借鉴意义。 相似文献
2.
3.
4.
基于DSP的水下目标识别嵌入式系统 总被引:1,自引:1,他引:0
水下目标识别系统是海洋开发的关键组成部分,而利用声呐对目标物进行定位跟踪是水下目标识别系统中最重要的技术。本文首先分析水下目标识别系统的基本原理及组成,重点研究水下声呐目标识别技术中的基于形状及纹理等特性对识别精度的影响,最后优化小波变换对目标物声呐图像的提取特征算法,通过对声呐特性的分析提出一种小波提升分析法,并构造基于DSP嵌入式系统。 相似文献
5.
以机器学习为代表的智能技术迅猛发展,也为被动声呐目标识别提供了新的思路。利用机器学习算法挖掘水声目标信号深层特征,实现目标自动识别、辅助识别,成为被动声呐目标识别的新发展方向。本文针对水下噪声目标的信号特性,结合人耳在低信噪比、多目标环境下的优异识别性能,提取被动声呐目标经典听觉感知特征——梅尔倒谱(MFCC),并引入KNN、SVM、CNN和DBN四种机器学习算法对两类水声目标进行监督学习和识别分析。试验结果表明,监督学习方法应用于被动声呐目标识别具有可行性,且其中DBN方法对目标MFCC特征的识别性能最佳。 相似文献
6.
本文分析了鱼雷运动辐射噪声和鱼雷运动所具有的特征,采用新的谱估计方法和时-频谱的多普勒分析技术,对鱼雷目标被动识别问题进行了探讨,提出了以模糊模式识别理论为基础的目标识别方法。在由接收信号的特征信息所构造的论域上,建立相应的隶属函数,依据最大隶属度原则,来识别判决鱼雷目标。文中还就鱼雷报警系统中的作用距离进行了理论分析和估计。 相似文献
7.
8.
自适应小波网络在船舶噪声识别中的应用 总被引:1,自引:0,他引:1
本文基于自适应小波网络理论,构造了一个应用于船舶辐射噪声识别的自适应小波网络分类器。仿真结果表明,该方法具有良好的目标识别性能,且收敛速度快,是一种有效的目标识别方法,从而为研究自适应小波网络理论在声呐信号目标识别领域中的应用有着极其重要的实际意义。 相似文献
9.
通过研究基于模糊综合技术的多传感器之间的目标识别融合技术,把不同传感器提供的不同信息进行融合,这样可以把声呐系统的检测、识别、定位和跟踪联系在一起,根据它们之间一定的关系进而提高声呐系统的各项功能,以达到对弱信号的检测和估计。 相似文献